第一阶段-入门详细图文讲解tensorflow1.4 API-tf.nn.conv2d

conv2d(
    input,#输入一个4维tesor[batch, in_height, in_width, in_channels]
    filter,#同样是一个4维tensor[filter_height, filter_width, in_channels, out_channels]
    strides,#步长，一维tensor表示
    padding,#边界填充，一般有“SAME”，“VALID”
    use_cudnn_on_gpu=True,#可选，是否使用cudnn加速
    data_format='NHWC',#可选择，默认为“NHWC”。 指定输入和输出数据的数据格式。 使用默认格式“NHWC”，数据按照 [batch, height, width, channels]的顺序存储。 或者，格式可以是“NCHW”，数据存储顺序为：[batch，channels，height，width]。
    name=None#操作名称
)

conv2d做二维卷积操作。

看一个例子：

# -*- coding: utf-8 -*-
"""
Created on Fri Dec 15 16:13:33 2017

@author: Administrator
"""
import numpy as np
import tensorflow as tf

#使用reshape构造一个tensor
#TypeError: Value passed to parameter 'input' has DataType int32 not in list of allowed values: float16, float32
'''
input_value = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])
filter_value = np.array([1, 2, 3, 4, 5, 6, 7, 8])

'''

#定义常量，一维矩阵
input_value = tf.constant([1, 2, 3, 4, 5, 6, 7,8,9],dtype=tf.float32)  
filter_value = tf.constant([1, 0, 1, 0],dtype=tf.float32)  
input =  tf.reshape(input_value,[1,3,3,1])

filter =  tf.reshape(filter_value,[2,2,1,1])

op = tf.nn.conv2d(input,filter,strides = [1,1,1,1],padding ='SAME')

with tf.Session() as sess:
    filter=sess.run(filter)
    print(filter) 
    result = sess.run(op)
    print(result)

输出结果：

[[[[ 1.]]

  [[ 0.]]]


 [[[ 1.]]

  [[ 0.]]]]
[[[[  5.]
   [  7.]
   [  9.]]

  [[ 11.]
   [ 13.]
   [ 15.]]

  [[  7.]
   [  8.]
   [  9.]]]]

可以放在图片处理上理解：
input[图片个数，图片像素高，图片像素宽，输入通道A]这是tensor的shape。
filter必须和input保存一样的shape。[卷积核的高, 卷积核的宽, 输入通道A（和input一致）, 输出通道]。
tf.reshape(input_value,[1,3,3,1])：表示有一张照片，大小3*3，输入通道1
filter = tf.reshape(filter_value,[2,2,1,1])：kernel为2*2，输入通道1，输出通道1。
图形解释一下，上面的代码。

如果使用VALID填充。修改一行代码。
op = tf.nn.conv2d(input,filter,strides = [1,1,1,1],padding =’VALID’)

[[[[ 1.]]

  [[ 0.]]]


 [[[ 1.]]

  [[ 0.]]]]
[[[[  5.]
   [  7.]]

  [[ 11.]
   [ 13.]]]]

平时工作比较忙，抽时间把计算过程再讲一边。